IA responsable en universidades: qué debe cambiar en 2026

IA responsable en universidades: conoce ejemplos internacionales y cinco acciones para mejorar la gobernanza, la evaluación y el aprendizaje en 2026.

1. ¿Por qué la IA responsable se ha convertido en una prioridad para la educación superior?

2. De los principios a la práctica: cuatro ejemplos de IA responsable en la educación superior

   Unión Europea: la alfabetización en IA como responsabilidad institucional

   Universidad de Sídney: transformar los criterios de evaluación en lugar de prohibir la IA

   UNAM: orientar el uso educativo de la IA desde distintas funciones universitarias

   Tecnológico de Monterrey: integrar la IA a la cultura de integridad académica

3. ¿Qué puede aprender tu universidad de estas experiencias? Cinco acciones para 2026

   Establecer una estrategia institucional de IA

   Definir reglas claras para el uso académico

   Evaluar los riesgos antes de adoptar herramientas

   Desarrollar competencias de IA en toda la comunidad universitaria

   Priorizar el aprendizaje sobre la automatización

4. MyLab + AI Study Tool: llevar la IA responsable a la experiencia de aprendizaje

Implementar la IA responsable en la universidad requiere cinco acciones fundamentales:

• Desarrollar políticas institucionales claras
• Evaluar los riesgos antes de adoptar herramientas
• Proteger los datos personales
• Fortalecer las competencias digitales de docentes y estudiantes,
• Garantizar que contribuya al aprendizaje sin sustituir el pensamiento crítico

Para lograrlo, las universidades necesitan integrar la gobernanza de la IA en sus decisiones académicas, tecnológicas y pedagógicas, con criterios que permitan tanto aprovechar sus beneficios como disminuir sus riesgos.

De acuerdo con el estudio Adopción y gobernanza de la IA en la educación superior de América Latina y el Caribe, realizado por UNESCO IESALC en 200 instituciones de 19 países, el 73.5% de las instituciones encuestadas reportó utilizar IA en actividades de enseñanza y aprendizaje, pero solo el 26% contaba con una estrategia institucional formal (2). Dicho de otra manera: una universidad puede contar con tecnologías avanzadas sin disponer todavía de criterios institucionales eficientes para supervisar su uso, evaluar sus resultados o prevenir riesgos.

¿Qué debe cambiar para utilizar la IA de manera responsable en la universidad? Las experiencias de instituciones que han comenzado a establecer lineamientos, rediseñar sus evaluaciones y desarrollar competencias en IA ofrecen algunas pistas para construir una estrategia que responda a las necesidades educativas actuales y futuras.

¿Por qué la IA responsable se ha convertido en una prioridad para la educación superior?

La inteligencia artificial facilita que los estudiantes investiguen, resuelvan problemas y desarrollen actividades académicas. También ofrece nuevas posibilidades para personalizar el aprendizaje, facilitar el trabajo docente y optimizar distintos procesos universitarios. Sin embargo, incorporar estas tecnologías no significa necesariamente estar preparados para utilizarlas de manera responsable y responder a cinco desafíos comunes que van más allá de la infraestructura tecnológica:

• Integridad académica: establecer qué usos de la IA son aceptables en las actividades de aprendizaje y evaluación, así como las condiciones para reconocer su utilización.
• Protección de datos: definir qué información puede compartirse con herramientas de inteligencia artificial y bajo qué condiciones de privacidad y seguridad.
• Calidad del aprendizaje: evitar que la automatización de tareas sustituya procesos fundamentales como el análisis, la argumentación y la resolución de problemas.
• Formación docente y estudiantil: desarrollar competencias para comprender las capacidades, limitaciones y riesgos de estas tecnologías.
• Equidad educativa: considerar las diferencias de acceso y habilidades digitales para evitar que la incorporación de IA profundice las desigualdades existentes.

Responder a estos problemas requiere desarrollar marcos de competencias integrales que permitan a docentes y estudiantes interactuar con la inteligencia artificial de manera crítica, ética y pertinente para sus actividades académicas (3). Sin embargo, también es importante tomar en cuenta que la IA responsable no puede depender exclusivamente de las decisiones individuales de cada usuario; necesita formar parte de una estrategia institucional que articule políticas, formación, criterios pedagógicos y mecanismos de seguimiento.

Te puede interesar: IA como copiloto docente: cómo apoyar sin reemplazar al profesor

De los principios a la práctica: cuatro ejemplos de IA responsable en la educación superior

Aunque no existe un modelo universal para implementar la IA responsable en las universidades, distintas instituciones y organismos internacionales han comenzado a establecer criterios para orientar su uso. Sus experiencias muestran que la gobernanza de la inteligencia artificial no se limita a regular la tecnología, sino que también implica transformar la evaluación, fortalecer las competencias digitales y definir responsabilidades compartidas.

1. Unión Europea: la alfabetización en IA como responsabilidad institucional

El Reglamento de Inteligencia Artificial de la Unión Europea (AI Act) constituye el primer marco jurídico integral de alcance regional para regular la inteligencia artificial según sus niveles de riesgo. Entre sus disposiciones más relevantes para la educación superior destacan:

• Alfabetización en IA: establece que los proveedores y responsables del despliegue de sistemas de IA deben adoptar medidas para procurar que las personas encargadas de utilizarlos cuenten con conocimientos suficientes para hacerlo de manera informada.
• Sistemas de alto riesgo: identifica aplicaciones educativas de la IA que deben quedar sujetas a requisitos de gestión de riesgos, calidad de datos, trazabilidad y supervisión humana, como las utilizadas para decidir admisiones, evaluar resultados de aprendizaje o supervisar comportamientos prohibidos durante exámenes.
• Transparencia y protección de las personas: establece obligaciones de información para determinadas interacciones con IA y contenidos sintéticos, además de prohibir prácticas como la inferencia de emociones en entornos educativos, salvo excepciones específicas.

Estas disposiciones buscan, entre otras cosas, garantizar que las decisiones que afectan a los estudiantes cuenten con mecanismos adecuados de supervisión humana.

2. Universidad de Sídney: transformar los criterios de evaluación en lugar de prohibir la IA

La Universidad de Sídney anunció una política de evaluación con un enfoque conocido como two-lane assessment, que contempla dos modalidades complementarias: evaluaciones supervisadas, donde los estudiantes deben demostrar sus conocimientos sin recurrir a herramientas de IA (mediante exámenes presenciales u otras actividades realizadas bajo condiciones controladas) y evaluaciones abiertas, donde pueden utilizar inteligencia artificial para investigar, desarrollar propuestas o resolver problemas, siempre que reconozcan su uso y demuestren capacidad para analizar y valorar críticamente los resultados.

3. UNAM: orientar el uso educativo de la IA desde distintas funciones universitarias

En México, la Universidad Nacional Autónoma de México publicó sus Recomendaciones para el uso educativo de la inteligencia artificial generativa en la UNAM. El documento aborda cinco dimensiones de la actividad universitaria: docencia, aprendizaje, evaluación, investigación y gestión educativa. Esta perspectiva reconoce que la inteligencia artificial no afecta únicamente la manera en que los estudiantes realizan sus tareas, también los procesos académicos y administrativos de la institución.

Por ejemplo, la UNAM recomienda diseñar actividades que utilicen la IA para estimular el pensamiento crítico y la creatividad, en lugar de limitarse a generar respuestas; establecer objetivos pedagógicos claros antes de incorporar estas herramientas y evaluar continuamente sus resultados. También propone prestar atención al proceso de aprendizaje, no solo al producto final, mediante actividades que permitan observar cómo los estudiantes reflexionan, argumentan y construyen conocimiento.

4. Tecnológico de Monterrey: integrar la IA a la cultura de integridad académica

El Tecnológico de Monterrey ha trasladado principios como la transparencia, la honestidad y la responsabilidad a situaciones concretas de enseñanza y aprendizaje mediadas por IA:

• Definir las reglas desde el inicio del curso: indicar en el programa de la asignatura o en la plataforma educativa qué actividades permiten utilizar IA y bajo qué condiciones.
• Documentar su utilización: solicitar a los estudiantes que declaren cuándo utilizaron IA, qué instrucciones (prompts) emplearon y en qué medida intervino la herramienta en sus trabajos.
• Comprobar el aprendizaje con distintas estrategias: complementar las evaluaciones escritas con presentaciones orales, revisión entre pares o conversaciones que permitan verificar la comprensión de los contenidos.
• Evitar depender exclusivamente de detectores de IA: privilegiar el criterio docente y las evidencias de aprendizaje, considerando las limitaciones de estas herramientas de detección.

Te puede interesar: ¿La IA está reemplazando el pensamiento crítico en las universidades?

¿Qué puede aprender tu universidad de estas experiencias? Cinco acciones para 2026

Aunque los ejemplos que compartimos anteriormente tienen contextos y alcances distintos, comparten una lección: implementar una IA responsable requiere convertir los principios éticos en políticas, prácticas académicas y responsabilidades concretas. Como líder de transformación digital, puedes traducir estas experiencias en cinco acciones prioritarias:

1. Establecer una estrategia institucional de IA

Antes de incorporar nuevas herramientas, es necesario identificar cuáles se utilizan actualmente, con qué objetivos y bajo qué condiciones. A partir de este diagnóstico, tu universidad puede crear un comité interdisciplinario, definir responsables y desarrollar una política que establezca criterios comunes para su implementación. Como acción concreta, puedes comenzar con proyectos piloto en determinadas asignaturas o departamentos, evaluar sus resultados y utilizar esa evidencia para orientar una adopción institucional más amplia.

2. Definir reglas claras para el uso académico

Es decir, establecer qué actividades permiten utilizar IA, cuáles requieren autorización y en cuáles debe demostrarse el dominio individual de conocimientos. Incorporar criterios de uso en los programas de las asignaturas y combinar evaluaciones abiertas, donde se permita utilizar IA de manera transparente, con actividades supervisadas que comprueben el aprendizaje autónomo, es un excelente punto de partida.

3. Evaluar los riesgos antes de adoptar herramientas

La selección tecnológica debe considerar la privacidad, la seguridad de los datos y las posibles consecuencias de utilizar sistemas automatizados en decisiones académicas. Antes de elegir, es necesario establecer un protocolo para evaluar proveedores, autorizar herramientas y determinar qué información puede compartirse con ellas, especialmente cuando se trata de datos personales o expedientes estudiantiles.

4. Desarrollar competencias de IA en toda la comunidad universitaria

La incorporación responsable de estas tecnologías requiere marcos de competencias que orienten su utilización en la educación superior. Para lograrlo, podemos diseñar rutas de formación diferenciadas para docentes, estudiantes y personal administrativo, con ejercicios prácticos para identificar errores, reconocer sesgos, contrastar información y utilizar IA con criterios éticos.

5. Priorizar el aprendizaje sobre la automatización

Una herramienta que resuelve tareas rápidamente no necesariamente contribuye a desarrollar conocimientos o habilidades. Seleccionar soluciones que favorezcan la práctica, la retroalimentación y la comprensión de conceptos, y evaluar su efectividad mediante evidencias de aprendizaje, no únicamente por sus niveles de uso, permite que la IA responda a objetivos pedagógicos claros.

Te puede interesar: Evaluación académica con IA: aprovecha todo el potencial y evita riesgos

MyLab + AI Study Tool: llevar la IA responsable a la experiencia de aprendizaje

Una estrategia de IA responsable en tu universidad también debe reflejarse en las herramientas que utilizan tus docentes y estudiantes. Esto significa que, como líder de transformación digital, necesitas proponer y elegir soluciones que, simultáneamente, aprovechen el potencial de la IA para agilizar tareas clave para el aprendizaje, favorezcan la comprensión de los contenidos y permitan mantener el acompañamiento docente.

Por ejemplo, la integración de MyLab + AI Study Tool de Pearson, que combina actividades de aprendizaje, práctica y evaluación con un asistente de estudio basado en inteligencia artificial. Su diseño pedagógico permite trasladar al aula algunos de los principios de uso responsable más importantes de la IA:

• Aprendizaje vinculado con contenidos académicos: a diferencia de las herramientas de IA generativa de uso general, AI Study Tool basa sus respuestas en materiales académicos especializados y alineados con los contenidos del curso, reduciendo la dependencia de fuentes externas cuya calidad y confiabilidad pueden ser difíciles de verificar.
• Orientación durante el estudio: el asistente virtual de MyLab ofrece explicaciones y pistas paso a paso para ayudar a comprender conceptos y resolver dudas. Su propósito es apoyar el proceso de aprendizaje, no sustituir los procesos cognitivos del estudiante.
• Diseño, práctica y evaluación integradas: MyLab reúne recursos y actividades que permiten diseñar cursos, ejercitar conocimientos, recibir retroalimentación y dar seguimiento al desempeño de la asignatura dentro de un mismo ecosistema.
• Continuidad del acompañamiento docente: las funcionalidades de MyLab facilitan la labor docente, pero al mismo tiempo le permiten mantener el control y la responsabilidad de orientar y evaluar el desarrollo de competencias.

Con MyLab + AI Study Tool de Pearson, integras en tus planes académicos una herramienta para ampliar las oportunidades de práctica y acompañamiento, sin reducir el aprendizaje a la obtención inmediata de respuestas.

Te invitamos a conocer esta y el resto de las soluciones del catálogo de Pearson Connected Learning, para descubrir nuevas posibilidades de integrar IA responsable a tu aprendizaje universitario.

REFERENCIAS

(1) Mendigutxia, A. (2024). El papel de la educación superior en las estrategias nacionales de inteligencia artificial: Una revisión comparativa de políticas (Análisis PES n.º 4). Instituto Internacional de la UNESCO para la Educación Superior en América Latina y el Caribe.

(2) Valentini, A. (2026). La implementación de la IA en la educación superior en América Latina y el Caribe. Educación Superior y Sociedad, 37(2), 372–397.

(3) Valentini, A., & Blancas, A. (2025). Los desafíos de la IA en la educación superior y las respuestas institucionales: ¿hay espacio para marcos de competencias? (Documento de Trabajo n.º 12). Instituto Internacional de la UNESCO para la Educación Superior en América Latina y el Caribe.